XiaoMi-AI文件搜索系统
World File Search System特征的
多种方法分类的卵巢癌干细胞共同遗传特征的整合分析
构建共表达模块，对这些样本进行聚类分析，结果如图S4A所示。然后，我们筛选出软阈值功率（图3A），当功率值等于16时，独立度可达0.9，因此利用功率值构建共表达模块，结果显示共鉴定出18个不同的基因共表达模块（图3B）。我们分析了模块特征基因与群体性状的相关性，发现只有一个共表达模块与SP和MP显著相关（图3C）。蓝色模块中有1154个基因与SP呈负相关。我们对蓝色模块中的基因进行PPI网络分析，描绘了整个网络和前3个子网络（图
基于 P 波、HRV 和 QR 电交替特征的阵发性心房颤动检测方法
阵发性心房颤动 (PAF) 的检测是一个相当复杂的过程，由心脏病专家或电生理学家通过读取心电图 (ECG) 手动执行。目前，已经提出了基于快速傅里叶变换 (FFT)、贝叶斯最优分类器 (BOC)、K 最近邻 (K-NN) 和人工神经网络 (ANN) 的自动检测计算技术。在本研究中，基于 P 波、QRS 复合波和心电图心率变异性 (HRV) 的形态获得了六个特征。使用来自 Physionet 心律失常数据库 MIT-BIH 的临床心电图信号验证了该方法的性能。前馈神经网络用于检测 PAF 的存在，总体准确率达到 97.4%。结果表明，与仅使用其中一个或最多两个信息的其他研究相比，加入 P 波、HRV 和 QR 电交替的信息可以提高识别 PAF 事件的准确性。
在CFD中应用机器学习来研究热特性对机翼空气动力特征的影响
计算流体动力（CFD）和机器学习方法用于研究NASA型NACA 0012的热传递。已经开发了几种不同的模型，以检查层流，晶状体流量和Allmaras流对NACA 0012机翼在不同的空气动力学条件下的影响。在本文中，针对多孔模式和非孔模式的不同机翼模式讨论了高温下的温度条件。特定参数包括11.36 x 10-10 m 2的渗透率，孔隙率为0.64，惯性系数为0.37，温度范围为200 k和400K。该研究表明，温度升高可以显着增加提升到拖拉。另外，采用多孔状态和温度差异进一步有助于增强电力到拖拉系数。在调整温度时，神经网络还可以成功预测结果，尤其是在有更多情况的情况下。尽管如此，本研究使用Smoter模型评估了系统的准确性。已显示测试情况最佳性能验证的MSE，MAE和R分别为0.000314、0.0008和0.998960，在k = 3。然而，研究表明，时期值大于2000，增加了计算时间和成本而不提高准确性。这表明SMOTER模型可用于准确对测试案例进行分类；但是，对于最佳性能，不需要更高的时期值。
与“精彩”商业品种相比，对某些伊朗本地石榴的定性和定量特征的评估
目的：各种商业品种以及野生石榴基因型在整个伊朗都广泛。这种多样性被认为是育种计划的骨干。这项研究的目的是对八个局部石榴品种的水果特征以及一个著名的商业化，“奇妙”品种的果实特征进行比较分析。研究方法：收集水果并将其转移到实验室。测量了果实，树芳和皮肤参数，并将数据分析为完全随机的设计，并具有三个复制。发现：结果清楚地表明了品种之间的差异。在“ Gavkoshak”中发现了最高的果实重量，长度，宽度，芳族重量，芳族直径，新鲜/干燥重量，皮肤新鲜/干重。在“ Galookandeh”中记录了最高的花萼长度和皮肤厚度。发现“ Torsh Oud”，“ Faroogh”，“ Galookandeh”和“ Rubab”有硬种子。在“奇妙”中发现了最高的TSS，皮肤 /青霉素和蔗糖含量。在“ rubab”中观察到了最大葡萄糖和果糖的量。结果最终表明，“ Gavkoshak”和“ Rubab”品种在其物理水果参数方面具有更大的等级。在化学特性方面，最好的品种是“奇妙”和“ rubab”。“ rubab”，“ gavkoshak”和“奇妙”被建议作为石榴生产或未来繁殖计划的优越品种。限制：没有限制。此外，这些局部品种的曲折特征也没有较早地研究。独创性/价值：“奇妙”是一个引入的，与这种新植物材料同时同时对Fars Origon的石榴材料的比较分析将是有价值的。
从RGB图像中的光谱特征的预测映射用于越野地形分析
摘要 - 准确识别复杂的地形特征，例如土壤组成和摩擦系数，对于基于模型的计划和越野环境中移动机器人的控制至关重要。光谱特征利用光吸收和反射的不同模式来识别各种材料，从而可以精确地表征其固有特性。机器人技术的最新研究探索了光谱的采用，以增强与环境的感知和相互作用。但是，安装这些传感器所需的巨大成本和精致的设置存在着广泛采用的强大障碍。在这项研究中，我们将RS-NET（RGB引入光谱网络），这是一种深层神经网络体系结构，旨在将RGB图像映射到相应的光谱签名。我们说明了如何将RS-NET与共同学习技术协同结合，以进行地形性质估计。初始结果证明了这种方法在表征广泛的越野现实世界数据集中的光谱特征方面的有效性。这些发现仅使用RGB摄像机强调了地形性质估计的可行性。
自闭症和自闭症特征的尿液代谢组谱 - 一项双胞胎研究
目前，自闭症诊断没有可靠的生物标志物。自闭症的异质性和几个共同存在的条件是建立这些疾病的关键挑战。在这里，我们使用了基于质谱的未靶向尿液代谢组学来研究自闭症诊断的代谢差异和自闭症的双胞胎队列中的自闭症特征（n = 105）。我们在双胞胎的尿液样本中鉴定了208个代谢产物。在控制其他神经脱发状况时，未检测到自闭症诊断的明确代谢驱动因素。但是，我们确定了几种代谢产物的名义重大变化。例如，在自闭症组中，苯基丙酮酸（P = 0.019）和牛磺酸（P = 0.032）升高，而肉碱（P = 0.047）降低。我们还解释了共享因素，例如双对中的遗传学，并报告其他代谢物差异。基于自闭症诊断的名义显着代谢产物，富含九种和脯氨酸代谢途径（p = 0.024）。通过社会响应量表第二版和代谢物差异衡量，我们还研究了定量自闭症性状之间的关联，并确定了更多名义上有特殊的代谢物和途径。在双对中观察到吲哚-3-actate和自闭症性状之间的显着正相关（调整后的P = 0.031）。因此，尿液生物标志物在自闭症中的效用尚不清楚，来自不同研究人群的混合发现。
改善唐氏综合症患者认知特征的人工智能技术：一项分析
改善学习过程需要改善智力低下者的认知特征。人工智能 (AI) 已用于支持不同的障碍人士。唐氏综合症患者存在智力障碍。卷积神经网络、人工神经网络和决策树等不同的人工智能技术被广泛用于解决不同的认知特征。我们总结了针对此类人群的人工智能评论。本研究文章的目的是调查计算智能在解决认知技能和其他特征缺陷方面的可用性。认知障碍人士的智力挑战有限，因此他们几乎无法完成日常生活任务。唐氏综合症患者面临轻度至重度的认知挑战，影响他们的日常生活活动、教育和就业。因此，他们可以减轻家庭的社会和经济负担，提高生活效率。实现这些目标需要提高他们的认知挑战。在心理学家和同质教育体系教师团队的支持下，对唐氏综合症患者（N = 50）进行了调查。
通过重复使用深神经网络特征的转移学习来进行神经影像学
摘要。将机器学习应用于神经图像的一个主要问题是MRI扫描仪的技术变异性和跨研究的受试者人群的差异。转移学习（TL）试图减轻这一问题。tl是指从相关任务中获取知识的一种方法，以改善感兴趣的任务中的概括。在这项工作中，我们在英国生物库MRI数据上进行了有关年龄和性别预测的深度神经网络，并研究了该网络对三个小型MRI数据集的预测。我们发现，神经网络可以在必要但充分的条件下从看不见的数据集中提取有意义的特征，以预测该网络以预测感兴趣的标签（例如如果年龄预测是感兴趣的任务，则对年龄预测进行了预先培训）。基于此，我们提出了一条转移学习管道，该管道依赖于在同一任务中重复使用深度神经网络功能。我们发现我们的方法的表现优于经典回归方法和从头开始训练网络。特别是我们改善了年龄和性别预测的最新结果。因此，我们的转移学习方法可以提供简单有效的管道，以在小型MRI数据集上实现高性能。
302种绿豆种质资源的种子表型特征的遗传多样性分析
摘要：由于维生素，蛋白质，矿物质元素和活性物质丰富，因此已证明绿豆种子的高药和经济价值被证明对人有益。为了完全识别出优质种质资源的绿豆产量和质量育种的优质种质资源，通过多样性分析，相关性分析，主成分分析（PCA）和群集分析，对八个种子表型特征的遗传多样性水平进行了全面评估。结果表明，八个种子表型性状的遗传多样性具有302个绿豆种质资源，其香农多样性指数范围为0.25至2.09。对于大多数特征，它们的变异系数（CV）超过10％，最高为种子形状（41.51％）。相关分析表明，100种子的重量与种子大小，种子长度，种子宽度和种子厚度具有极为正相关的相关性。PCA表明，前三个主要成分的累积贡献率为78.551％。这些主要成分包括种子宽度，种子外套和种子颜色。通过群集分析将302个绿豆种质资源分为八组。从I组和II组中选择了共有140种具有大种子的种质资源，其中II组中的9种种质资源可能是高收益的品种。关键词：绿豆，种子表型特征，遗传多样性，聚类分析，主要成分。总体而言，这项研究不仅表明研究的种质资源之间有足够的差异，而且还为绿豆种质资源的选择，利用和杂交育种提供了理论基础。
cdstraj：以自主驾驶的轨迹预测为特征的扩散和时空相互作用网络
轨迹预测是Au ausostos驾驶（AD）中的一个基石，在使车辆能够在动态环境中安全有效地导航时发挥了关键作用。为了解决此任务，本文提出了一个新颖的轨迹预测模型，该模型是在面对异质和不确定的交通情况下为准确性而定制的。该模型的核心是特征性的扩散模块，这是一个创新的模块，旨在模拟具有固有不确定性的流量。该模块通过将其注入偏低的语义信息，从而增强了障碍预测准确性，从而富含预测过程。对此进行补充，我们的时空（ST）相互作用模块会导致交通情况对空间和时间段落的VEHILE动力学的细微效果，具有出色的有效性。通过详尽的评估，我们的模型设定了轨迹预测的新标准，实现最新的ART（SOTA）结果（NGSIM），高速公路无人机（Highd）和澳门相互互联的自动驾驶（MOCAD）数据集合（MOCAD）的简短和easated persalal temal spans。这种表现低估了该模型在浏览复杂的交通情况，包括高速公路，城市街道和交叉点的无与伦比的适应性和效率。